Soutenance de thèse de Zinsou-Max Debaly

Zinsou-Max Debaly soutiendra sa thèse de doctorat « Modèles de séries temporelles multivariées non-linéaires avec régresseurs exogènes » le mardi 11 octobre à 17h à l’ENSAI.

Ecole Doctorale : Mathématiques et Sciences et Technologies de l’Information et de la Communication

Unité de recherche : CREST (UMR 9194)

Directeur de thèse : Lionel TRUQUET, Professeur associé, CREST- ENSAI

 

Composition du jury

NomQualitéEtablissementRôle
DOUKHAN PaulProfesseur des universitésUniversité de Cergy Pontoise (78)Examinateur
ETIENNE Marie-PierreMaître de conférencesAgrocampus Ouest (35)Examinatrice
HEINEN AndréasProfesseur des universitésUniversité de Cergy Pontoise (78)Examinateur
NEUMANN Michael H.ProfesseurFriedrich Schiller Universität (Iena - Allemagne)Examinateur
REBOUL LaurenceMaitre de conférencesFaculté de Luminy (13)Examinatrice
TRUQUET LionelProfesseur associé ENSAI (35)Directeur de thèse

Mots clés

Contraction d’applications aléatoires, copule, épidémies forestières, pseudo-vraisemblance, stationnarité et ergodicité, variables exogènes.

 

Modèles de séries temporelles multivariées non-linéaires avec régresseurs exogènes

Résumé : Dans cette thèse, on s’intéresse aux propriétés probabilistes et statistiques de modèles de séries temporelles non-linéaires qui prennent en compte des covariables exogènes. Les séries temporelles de comptage ou catégorielles sont en particulier considérées ainsi que la modélisation de données mixtes en multivarié. Des propriétés de stationnarité sont établies pour ces modèles à partir de techniques d’itérations d’application aléatoires dépendantes Dans le cas multivarié, des approches par pseudo-vraisemblance et/ou utilisation de copules sont utilisées pour l’inférence statistique. Enfin, une application de certaines de ces méthodes dans le cadre de l’écologie est présentée.

Abstract: In this dissertation, we are interested in the probabilistic and statistical properties of non-linear time series models with exogenous covariates. In particular, count and categorical time series data are considered as well as the multivariate models for mixed data. Stationarity properties are established for these models using the techniques of iterations of dependent random maps. In the multivariate case, pseudo-likelihood and/or copula approaches are used for statistical inference. Finally, an application of some of these methods in the context of ecology is presented.